LLM-единомыслие: стартап Springboards учит ИИ быть непредсказуемым

Почти любой современный LLM на вопрос «Назови случайное число от 1 до 10» выдаст 7 — это не совпадение, а симптом системной проблемы: модели обучены на схожих данных и сходятся к самым «популярным» вариантам. Победившая на NeurIPS 2024 работа Artificial Hivemind показала, что 25 разных LLM, описывая время метафорой, почти все выдали «Время — река».

Австралийский стартап Springboards создал модель Flint, которая не борется с галлюцинациями, а приветствует их: на ключевых шагах генерации она добавляет предсказуемую случайность, в отличие от простого повышения температуры, которое ломает связность. На практике Flint на запрос «Назови марку машины» отвечает Ford F-150, в то время как ChatGPT и Claude выбирают Toyota или Honda. На подбор слогана для New Balance он выдал «Built to last, run to win» — банально, но не «Run your way».

Основатель Springboards Пайп Бинджеман подчёркивает: модель не просто шумит — она намеренно расширяет пространство ответов, возвращая редкие, но релевантные варианты. Маркетинговый директор, использующий Flint, предупреждает, что для прорывных идей человеческое мышление пока незаменимо — но для рутинного креатива отказ от единообразия может быть полезен.